[发明专利]集成电路沉积膜厚预测方法及系统

权利要求书

1.一种集成电路沉积膜厚的预测方法，其特征在于，包括以下步骤：

步骤S1，对数据库中的沉积薄膜数据进行预处理，得到预处理后的沉积薄膜数据；

步骤S2，按特征筛选规则对所述步骤S1预处理后的沉积薄膜数据包含的特征值进行筛选，得到筛选后的特征；

步骤S3，对所述步骤S2得到的筛选后的特征通过交叉验证的特征递归消除方式进行处理，删除对XGBoost模型表现起负向作用的特征；

步骤S4，基于XGBoost模型建立回归预测模型，利用步骤S3得到的特征作为训练用数据集对所述回归预测模型进行训练和测试；

步骤S5，利用遗传算法对所述步骤S4训练好测试后的回归预测模型进行超参数优化，从所述回归预测模型所有的超参数中找出使该回归预测模型表现最佳的一组超参数，作为最终回归预测模型的超参数，利用优化好的最终回归预测模型对集成电路沉积膜厚进行预测。

2.根据权利要求1所述的集成电路沉积膜厚的预测方法，其特征在于，所述步骤S1中，按以下方式对数据库中的沉积薄膜数据进行预处理，包括：

数据库中存储的是集成电路薄膜沉积过程涉及的作为沉积薄膜数据的过程参数；

对数据库中含有缺失值和缺失工序的沉积薄膜数据进行删除，并对删除后得到的沉积薄膜数据构成的数据集进行归一化，转换函数的公式为：

式中，X^*表示归一化后的结果；X表示沉积薄膜数据的样本数据，Max表示沉积薄膜数据的样本数据的最大值，Min表示沉积薄膜数据的样本数据的最小值。

3.根据权利要求1或2所述的集成电路沉积膜厚的预测方法，其特征在于，所述步骤S2中，通过以下方式按预定的特征筛选规则对所述步骤S1预处理后的沉积薄膜数据包含的特征值进行筛选，包括：

删除方差小于0.015的特征和删除皮尔逊相关系数大于0.9的特征。

4.根据权利要求1或2所述的集成电路沉积膜厚的预测方法，其特征在于，所述步骤S3中，按以下方式对对所述步骤S2得到的筛选后的特征通过交叉验证的特征递归消除方式进行处理，删除对模型表现起副作用的特征，包括：

对所述步骤S2得到的筛选后的特征通过基于交叉验证的特征递归消除算法进行处理，以7折交叉验证的XGBoost模型的表现为评价指标，逐个尝试删除特征，若删除特征后XGBoost模型的均方误差MSE下降且确定系数R²上升，则删除特征，否则不予删除。

5.根据权利要求1或2所述的集成电路沉积膜厚的预测方法，其特征在于，所述步骤S4中，按以下方式基于XGBoost模型建立回归预测模型，利用步骤S3得到的特征作为训练用数据集对所述回归预测模型进行训练和测试，包括：

按照7:2:1的比例将步骤S3得到的特征形成的数据集随机地划分为训练集、测试集和验证集；通过所述训练集对所述回归预测模型进行训练；通过所述测试集测试评价训练后的所述回归预测模型的预测性能。

6.根据权利要求5所述的集成电路沉积膜厚的预测方法，其特征在于，所述步骤S5中，按以下方式利用遗传算法对所述步骤S4训练好测试后的回归预测模型进行超参数优化，从所述回归预测模型所有的超参数中找出使该回归预测模型表现最佳的一组超参数，作为最终回归预测模型的超参数，包括：

通过遗传优化算法通过验证集对训练和测试后的回归预测模型的所有超参数构成的树的个数、树的深度进行优化，从所述回归预测模型所有的超参数中找出使该回归预测模型表现最佳的一组超参数，作为最终回归预测模型的超参数。

7.根据权利要求5所述的集成电路沉积膜厚的预测方法，其特征在于，所述步骤S4中，步骤S3得到的特征形成的数据集中，作为回归预测模型输入参数的是沉积薄膜数据中的沉积、通气、加热步骤相关的各个特征；

回归预测模型的输出参数为沉积膜厚的预测结果。